自适应延展交叉型局部二值模式的人脸特征提取方法技术

本发明专利技术公开了自适应延展交叉型局部二值模式的人脸特征提取方法。现有方法由于阈值固定或关键点采样单一、不均衡，其特征提取结果不够稳定，鲁棒性不强。本发明专利技术方法首先输入的人脸图像经过预处理得到标准单个人脸灰度图像；然后确定局部邻域和中心像素，选取四个内层像素和四个外层像素，根据归一化线性加权的方式计算自适应阈值，以八个像素中任一内层像素作为起始，依次间隔从内层像素到外层像素全部取到，与自适应阈值比较，根据比较结果进行编码，转换为十进制的编码值；遍历所有像素，得到该人脸的局部二值模式编码特征图。本发明专利技术方法在光照、姿态、表情和遮挡等各种干扰下，所提取的特征表现出很好的鲁棒性，对于人脸识别有实际应用价值。

【技术实现步骤摘要】
自适应延展交叉型局部二值模式的人脸特征提取方法
本专利技术属于生物特征识别及信息安全
，涉及一种自适应延展交叉型局部二值模式的人脸特征提取方法。
技术介绍
近年来人脸识别因为其稳定、非接触性和易于获取等特点，已经在实际生活中经常应用，例如地铁安检、银行身份验证、安防监控等等。但是实际应用场景环境复杂多变，光照、表情、遮挡、姿态等条件的变化都会显著影响人脸识别的性能。人脸识别是利用计算机视觉在图像或视频中找到人脸并识别其真实身份的一种生物特征识别技术。人脸识别主要有以下几个步骤：人脸检测，人脸表征和人脸匹配等等。基于局部模式(LocalPattern)的人脸特征提取聚焦于人脸图像的局部纹理结构，对任意原始人脸图像像素点的局部区域采样以获得关键点并编码以表征，称为该点的局部模式。以局部模式表征的人脸称为原始人脸图像的特征图。典型的有局部二值模式(LocalBinaryPattern，LBP),例如：RotationinvarianttextureclassificationusingLBPvariance(LBPV)withg本文档来自技高网...

【技术保护点】
1.自适应延展交叉型局部二值模式的人脸特征提取方法，其特征在于，该方法具体是：/n步骤(1).输入的人脸图像经过预处理后得到标准单个人脸灰度图像；/n步骤(2).根据双眼之间距离L确定正方形的待编码像素的局部邻域大小，取

【技术特征摘要】
1.自适应延展交叉型局部二值模式的人脸特征提取方法，其特征在于，该方法具体是：
步骤(1).输入的人脸图像经过预处理后得到标准单个人脸灰度图像；
步骤(2).根据双眼之间距离L确定正方形的待编码像素的局部邻域大小，取范围内的奇数个像素作为正方形局部邻域的边长，局部邻域中心的像素即为中心像素；
步骤(3).在包围中心像素相邻的八个像素中均匀选取四个像素作为内层像素；在包围中心像素最外层的像素中均匀选取四个像素作为外层像素，四个外层像素围成的正方形的对角线与四个内层像素围成的正方形的对角线的夹角为45°；
步骤(4).根据归一化线性加权的方式计算自适应阈值μ：

其中，为四个内层像素值，为四个外层像素值，R1为四个内层像素所在圆周的半径，R2为四个外层像素所在圆周的半径；
步骤(5).以八个像素中任一内层像素作为起始，依次间隔从内层像素到外层像素全部取到；每次取到一个内层像素或外层像素，将取到的像素值与自适应阈值比较：如大于等于自适应阈值，记为1，如小于则记为0；将每次比较得到的1或者0按...

【专利技术属性】
技术研发人员：叶学义，王涛，王鹏，廖奕艺，陈华华，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33